基于线性双曲线模型的车道线检测算法.pdfVIP

第30卷第6期 杭州电子科技大学学报 VoI．30．No．6 0f Dec．2010 20lO年12月 Journal Dianzi H帅gdlou Univemity 基于线性双曲线模型的车道线检测算法 王晓云，王永忠 (杭州电子科技大学信息与控制研究所，浙江杭州310018) 摘要：提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中 Canny边缘检测算子对阴影及光照变化较为敏感的缺点，该文对灰度图像进行二维FIR滤波之后， 采用大津法实现可靠的车道边缘检测；然后利用Hough变换初步获得车道中线及消失点坐标，在 此基础上采用Mid．to．Side策略进一步从边缘图像中提取车道的边界点，最后采用最／b--乘拟合方 法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准 确性。 关键词：车道检测；大津法；霍夫变换；线性双曲线模型 中图分类号：TP391．4 文献标识码：A 文章编号：1001—9146(2010)06一0064—04 0 引 言 智能驾驶辅助系统通常需要实现车道偏离预警、车辆横向控制和碰撞避免等功能[1】。其中基于视 觉的车道线检测是实现上述功能的关键。在国内外研究中，现有的车道线检测方法大体分为基于特征 的呤’31和基于模型的车道检测算法H。8】。但光照变化、阴影遮挡、噪声、道路边界或标志线不连续性等 因素都会影响基于特征方法的检测效果。基于模型方法中常见的道路模型有直线，样条曲线H】，线性 抛物线[5．61等。本文提出一种新的基于线性双曲线模型的车道线检测算法。对经二维FIR滤波后的图 像利用大津法实现车道边缘检测，可有效改善Canny边缘检测的不足，增加特征提取的准确性。区别于 线性抛物线模型。本文对提取的车道边界点利用线性双曲线模型进行最／b乘拟合，可充分利用道路的 边界信息，在车道线遮挡的情况下也能实现准确检测，提高了算法的鲁棒性。 1 线性双曲线车道模型 道路模型在车道线检测过程中具有重要作用。简单的道路模型计算量小，如直线模型，但缺乏描述 不同形状道路的能力；复杂的道路模型灵活且适用于不同形状的道路，如B—Snake模型【4】，但易受噪声 和其他干扰因素的影响。 采用直线模型描述的道路可以表述为u=b(v—h)+e，其中(u，v) 为图像上的道路边界点，h是道路消失点在图像中的v轴坐标值，b，e 是直线模型的参数。一般而言，如图1所示，对于近处道路，AB，DC(v h+8)，直线模型通常可以准确地描述车道。但此时对于远端道路 BE，CE(hvh+8)，直线模型将无法满足。 图1 线型双曲线模型 收稿日期：2010—09—30 基金项目：国家自然科学基金青年基金资助项目(60804(04)，浙江省自然科学基金资助项目(Yl101218) 作者简介：王晓云(1987一)女，河南南阳人，在读研究生，图像处理与信息融合． 万方数据 第6期 王晓云等：基于线性双曲线模型的车道线检测算法 65 确表示图1中复杂的道路形状，可以将双曲线：漠型与直线模型组合起来，构成线性双曲线模型，其表达 式为： U=k／(v—h)+b(v—h)+C=fl(v)+f2(v)+c(1) 大，f1(v)减小，而f2(v)增大，此时u主要由b(v—h)项决定，符合近处道路为直线模型的假定。 2车道线检测 2．1图像预处理 在对图像进行边缘检测之前，本文首先对图像进行预处理。利用道路的彩色信息分割边界增加了 边界检测的难度同时会影响计算速度，为此将彩色图像转化为灰度图像。为了消除光照变化和噪声的 影响，本文通过构建FIR滤波器算子H=【一l，0，l】，对图像进行滤波平滑处理，